Análisis comparativo del uso de Inteligencia Artificial aplicadas en Sistemas de Información Georreferencial (GIS) para optimización de experiencias turísticas
Resumen
El turismo hoy en día tiene varios retos, como ofrecer experiencias más personalizadas, prever la demanda y gestionar los recursos de forma sostenible. Los métodos tradicionales a menudo no alcanzan a manejar grandes volúmenes de datos y adaptarse a las circunstancias cambiantes. Este estudio se enfocó en cómo la Inteligencia Artificial, junto con Sistemas de Información Georreferencial, puede enriquecer las experiencias turísticas, comparando su efectividad con las formas más tradicionales. Se llevó a cabo una revisión sistemática siguiendo las pautas de PRISMA, se realizó búsquedas exhaustivas en once bases de datos multidisciplinarias .Se incluyeron estudios empíricos publicados entre 2020 y 2025 que mostraran una integración tecnológica con validación métrica. De un total de 80 registros iniciales, se revisaron 69 artículos completos usando una matriz estructurada que consideró metodologías, tecnologías utilizadas, contextos y métricas de evaluación. Los resultados mostraron un predominio de estudios cuantitativos que emplearon datos secundarios y modelos de aprendizaje profundo. También se destacó el rendimiento en cuatro áreas clave: sistemas de recomendación inteligentes con una precisión superior al 85% (con valores individuales entre 83% y 96.3%), algoritmos de optimización multiobjetivo que integran preferencias personales y sostenibilidad ambiental, modelos predictivos con una gran capacidad para prever flujos turísticos, y plataformas de gestión que ofrecen monitoreo en tiempo real junto con alertas predictivas. Las principales limitaciones del estudio fueron la diversidad metodológica y la falta de investigaciones experimentales en contextos latinoamericanos. La combinación de Inteligencia Artificial y Sistemas de Información Georreferencial impulsa una gestión turística más personalizada y sostenible.
Descargas
Citas
J. C. S. Núñez, J. A. Gómez-Pulido, y R. R. Ramírez, «Machine learning applied to tourism: A systematic review», WIREs Data Mining and Knowledge Discovery, vol. 14, n.o 5, p. e1549, 2024, doi: 10.1002/widm.1549. DOI: https://doi.org/10.1002/widm.1549
A. Louati et al., «Machine Learning and Artificial Intelligence for a Sustainable Tourism: A Case Study on Saudi Arabia», Information, vol. 15, n.o 9, p. 516, ago. 2024, doi: 10.3390/info15090516. DOI: https://doi.org/10.3390/info15090516
D. Ordóñez-Martínez, J. M. Seguí-Pons, y M. Ruiz-Pérez, «Toward Establishing a Tourism Data Space: Innovative Geo-Dashboard Development for Tourism Research and Management», Smart Cities, vol. 7, n.o 1, pp. 633-661, feb. 2024, doi: 10.3390/smartcities7010026. DOI: https://doi.org/10.3390/smartcities7010026
M. Šoltésová, B. Iannaccone, Ľ. Štrba, y C. Sidor, «Application of GIS Technologies in Tourism Planning and Sustainable Development: A Case Study of Gelnica», IJGI, vol. 14, n.o 3, p. 120, mar. 2025, doi: 10.3390/ijgi14030120. DOI: https://doi.org/10.3390/ijgi14030120
X. Zhou, J. Tian, J. Peng, y M. Su, «A Smart Tourism Recommendation Algorithm Based on Cellular Geospatial Clustering and Multivariate Weighted Collaborative Filtering», IJGI, vol. 10, n.o 9, p. 628, sep. 2021, doi: 10.3390/ijgi10090628. DOI: https://doi.org/10.3390/ijgi10090628
X. Xiao, C. Li, X. Wang, y A. Zeng, «Personalized tourism recommendation model based on temporal multilayer sequential neural network», Sci Rep, vol. 15, n.o 1, p. 382, ene. 2025, doi: 10.1038/s41598-024-84581-z.
N. Mou et al., «Personalized tourist route recommendation model with a trajectory understanding via neural networks», International Journal of Digital Earth, vol. 15, pp. 1738-1759, oct. 2022, doi: 10.1080/17538947.2022.2130456. DOI: https://doi.org/10.1080/17538947.2022.2130456
D. M. Cevallos, J. D. Z. Mieles, y V. R. Z. Burgos, «Transformación digital en la industria del turismo: revisión sistemática de literatura y análisis bibliométrico», GADE: Revista Científica, vol. 5, n.o 1, pp. 415-437, feb. 2025, doi: 10.63549/rg.v5i1.608. DOI: https://doi.org/10.63549/rg.v5i1.608
M. Badouch y M. Boutaounte, «Personalized Travel Recommendation Systems: A Study of Machine Learning Approaches in Tourism», JAIMLNN, n.o 33, pp. 35-45, abr. 2023, doi: 10.55529/jaimlnn.33.35.45. DOI: https://doi.org/10.55529/jaimlnn.33.35.45
O. Claveria y S. Torra, «MODELLING TOURISM DEMAND TO SPAIN WITH MACHINE LEARNING TECHNIQUES. THE IMPACT OF FORECAST HORIZON ON MODEL SELECTION», Revista de Economía Aplicada.
D.-K. Kim, S. K. Shyn, D. Kim, S. Jang, y K. Kim, «A Daily Tourism Demand Prediction Framework Based on Multi-head Attention CNN: The Case of The Foreign Entrant in South Korea», dic. 2021, doi: 10.48550/arXiv.2112.00328. DOI: https://doi.org/10.1109/SSCI50451.2021.9659950
R. A. R. Ayquipa, «Machine Learning y realidad aumentada para el reconocimiento de recursos turísticos».
H. Fang, S. Gao, y F. Zhang, «Forecasting Inter-Destination Tourism Flow via a Hybrid Deep Learning Model», may 2023, doi: 10.48550/arXiv.2305.03267.
D. Shrestha, T. Wenan, D. Shrestha, N. Rajkarnikar, y S.-R. Jeong, «Personalized Tourist Recommender System: A Data-Driven and Machine-Learning Approach», Computation, vol. 12, n.o 3, p. 59, mar. 2024, doi: 10.3390/computation12030059. DOI: https://doi.org/10.3390/computation12030059
R. Alsahafi, R. Mehmood, y S. Alqahtany, «A Machine Learning-Based Analysis of Tourism Recommendation Systems: Holistic Parameter Discovery and Insights», ijacsa, vol. 16, n.o 1, 2025, doi: 10.14569/IJACSA.2025.01601130. DOI: https://doi.org/10.14569/IJACSA.2025.01601130
J. Bravo, R. Alarcón, C. Valdivia, y O. Serquén, «Application of Machine Learning Techniques to Predict Visitors to the Tourist Attractions of the Moche Route in Peru», Sustainability, vol. 15, n.o 11, p. 8967, ene. 2023, doi: 10.3390/su15118967. DOI: https://doi.org/10.3390/su15118967
L. Zhang et al., «Visual analytics of route recommendation for tourist evacuation based on graph neural network», Scientific Reports, vol. 13, oct. 2023, doi: 10.1038/s41598-023-42862-z.
S. García-Ayllón, «GIS Assessment of Mass Tourism Anthropization in Sensitive Coastal Environments: Application to a Case Study in the Mar Menor Area», Sustainability, vol. 10, n.o 5, p. 1344, abr. 2018, doi: 10.3390/su10051344. DOI: https://doi.org/10.3390/su10051344
K. L.-M. Ang, J. K. P. Seng, E. Ngharamike, y G. K. Ijemaru, «Emerging Technologies for Smart Cities’ Transportation: Geo-Information, Data Analytics and Machine Learning Approaches», IJGI, vol. 11, n.o 2, p. 85, ene. 2022, doi: 10.3390/ijgi11020085. DOI: https://doi.org/10.3390/ijgi11020085
J. Song y B. Xu, «Evaluation model of urban tourism competitiveness in the context of sustainable development», Front. Public Health, vol. 12, p. 1396134, jun. 2024, doi: 10.3389/fpubh.2024.1396134. DOI: https://doi.org/10.3389/fpubh.2024.1396134
P. Müllner, A. Schreuer, S. Kopeinik, B. Wieser, y D. Kowald, «Multistakeholder fairness in tourism: what can algorithms learn from tourism management?», Front. Big Data, vol. 8, p. 1632766, sep. 2025, doi: 10.3389/fdata.2025.1632766. DOI: https://doi.org/10.3389/fdata.2025.1632766
M. A. Ruiz Palacios, C. Pereira Texeira de Oliveira, J. Serrano González, y S. Saénz Flores, «Analysis of Tourist Systems Predictive Models Applied to Growing Sun and Beach Tourist Destination», Sustainability, vol. 13, n.o 2, p. 785, ene. 2021, doi: 10.3390/su13020785. DOI: https://doi.org/10.3390/su13020785
J. Schrader et al., «Application of artificial intelligence techniques for the profiling of visitors to tourist destinations», Front. Artif. Intell., vol. 8, p. 1632415, ago. 2025, doi: 10.3389/frai.2025.1632415. DOI: https://doi.org/10.3389/frai.2025.1632415
M. Haghani, «What makes an informative and publication-worthy scientometric analysis of literature: A guide for authors, reviewers and editors», Transportation Research Interdisciplinary Perspectives, vol. 22, p. 100956, nov. 2023, doi: 10.1016/j.trip.2023.100956. DOI: https://doi.org/10.1016/j.trip.2023.100956
H. Davies et al., «Scoping review of review methodologies used for guiding evidence-based practice in critical care: a protocol», BMJ Open, vol. 14, n.o 11, p. e082661, nov. 2024, doi: 10.1136/bmjopen-2023-082661. DOI: https://doi.org/10.1136/bmjopen-2023-082661
E. J. C. Reyes y R. F. B. Medina, «Estructuras metodológicas PICO y PRISMA 2020 en la elaboración de artículos de revisión sistemática: Lo que todo investigador debe conocer y dominar», Ciencia Latina Revista Científica Multidisciplinar, vol. 9, n.o 1, pp. 8525-8543, mar. 2025, doi: 10.37811/cl_rcm.v9i1.16491. DOI: https://doi.org/10.37811/cl_rcm.v9i1.16491
L. F. Becka, «Transformación digital en Turismo: Un estudio sobre el uso de herramientas para la gobernanza inteligente», Magister en Dirección de Empresas, Universidad Nacional de La Plata, 2023. doi: 10.35537/10915/153443. DOI: https://doi.org/10.35537/10915/153443
M. Royo, «BiblioGuías: Revisiones sistemáticas: PRISMA 2020: guías oficiales para informar (redactar) una revisión sistemática». Accedido: 19 de octubre de 2025. [En línea]. Disponible en: https://biblioguias.unav.edu/revisionessistematicas/guias_oficiales
G. Goris y S. J. Adolf, «Utilidad y tipos de revisión de literatura», Ene, vol. 9, n.o 2, pp. 0-0, 2015, doi: 10.4321/S1988-348X2015000200002. DOI: https://doi.org/10.4321/S1988-348X2015000200002
F. Arias-Odón y W. Artigas, «Cómo plantear problemas científicos relevantes identificando brechas de investigación.», Mujer Andina, vol. 1, n.o 1, pp. 76-82, dic. 2022, doi: 10.36881/ma.v1i1.644. DOI: https://doi.org/10.36881/ma.v1i1.644
P. I. V. Zúñiga, R. J. C. Cedeño, y I. A. M. Palacios, «Metodología de la investigación científica: guía práctica», Ciencia Latina Revista Científica Multidisciplinar, vol. 7, n.o 4, pp. 9723-9762, sep. 2023, doi: 10.37811/cl_rcm.v7i4.7658. DOI: https://doi.org/10.37811/cl_rcm.v7i4.7658
M. Medina, R. Rojas, W. Bustamante, R. Loaiza, C. Martel, y R. Castillo, Metodología de la investigación: Técnicas e instrumentos de investigación, 1.a ed. Instituto Universitario de Innovación Ciencia y Tecnología Inudi Perú, 2023. doi: 10.35622/inudi.b.080. DOI: https://doi.org/10.35622/inudi.b.080
E. E. Espinoza-Freire, «Estrategias de búsqueda de información en bases de datos científicas: Una guía práctica», Sociedad & Tecnología, vol. 8, n.o S2, pp. 647-658, sep. 2025, doi: 10.51247/st.v8iS2.226. DOI: https://doi.org/10.51247/st.v8iS2.226
I. Sustacha Melijosa, J. F. Baños Pino, y E. Del Valle Tuero, «Análisis de la investigación sobre destinos turísticos inteligentes mediante la visualización de redes bibliométricas», invest. tur, n.o 23, p. 266, ene. 2022, doi: 10.14198/INTURI2022.23.12. DOI: https://doi.org/10.14198/INTURI2022.23.12
S. Giglio, F. Bertacchini, E. Bilotta, y P. Pantano, «Machine learning and points of interest: typical tourist Italian cities», Current Issues in Tourism, vol. 23, n.o 13, pp. 1646-1658, jul. 2020, doi: 10.1080/13683500.2019.1637827. DOI: https://doi.org/10.1080/13683500.2019.1637827
K. Charfaoui y S. Mussard, «Sentiment Analysis for Tourism Insights: A Machine Learning Approach», Stats, vol. 7, n.o 4, pp. 1527-1539, dic. 2024, doi: 10.3390/stats7040090. DOI: https://doi.org/10.3390/stats7040090
X. Xiao, C. Li, X. Wang, y A. Zeng, «Personalized tourism recommendation model based on temporal multilayer sequential neural network», Sci Rep, vol. 15, n.o 1, p. 382, ene. 2025, doi: 10.1038/s41598-024-84581-z. DOI: https://doi.org/10.1038/s41598-024-84581-z
T. Diao, X. Wu, L. Yang, L. Xiao, y Y. Dong, «A novel forecasting framework combining virtual samples and enhanced Transformer models for tourism demand forecasting», mar. 2025, doi: 10.48550/arXiv.2503.19423.
S. Sun, Y. Li, J. Guo, y S. Wang, «Tourism demand forecasting: An ensemble deep learning approach», Tourism Economics, vol. 28, n.o 8, pp. 2021-2049, dic. 2022, doi: 10.1177/13548166211025160. DOI: https://doi.org/10.1177/13548166211025160
L. Zhang et al., «Visual analytics of route recommendation for tourist evacuation based on graph neural network», Scientific Reports, vol. 13, oct. 2023, doi: 10.1038/s41598-023-42862-z. DOI: https://doi.org/10.1038/s41598-023-42862-z
Y. Wang y P. Hu, «Deep Reinforcement Learning-Based Multi-Object Adaptive Route Planning for Traveling Recommender Systems», IEEE Access, vol. PP, pp. 1-1, ene. 2023, doi: 10.1109/ACCESS.2023.3327273. DOI: https://doi.org/10.1109/ACCESS.2023.3327273
A. Derdouri y T. Osaragi, «A machine learning-based approach for classifying tourists and locals using geotagged photos: the case of Tokyo», Inf Technol Tourism, vol. 23, n.o 4, pp. 575-609, dic. 2021, doi: 10.1007/s40558-021-00208-3. DOI: https://doi.org/10.1007/s40558-021-00208-3
V. Arefieva y R. Egger, «TourBERT: A pretrained language model for the tourism industry.».
T. Hou, «Design of Travel Route Identification and Scheduling System Based on Artificial Intelligence-Aided Image Segmentation», Computational Intelligence and Neuroscience, vol. 2022, pp. 1-11, jul. 2022, doi: 10.1155/2022/1458408. DOI: https://doi.org/10.1155/2022/1458408
S. Liang, T. Jiao, W. Du, y S. Qu, «An improved ant colony optimization algorithm based on context for tourism route planning», PLOS ONE, vol. 16, n.o 9, p. e0257317, sep. 2021, doi: 10.1371/journal.pone.0257317. DOI: https://doi.org/10.1371/journal.pone.0257317
X. Zhou, Z. Zhang, X. Liang, y M. Su, «Intelligent Geo-Tour Route Recommendation Algorithm Based on Feature Text Mining and Spatial Accessibility Model», Electronics, vol. 13, n.o 10, p. 1845, ene. 2024, doi: 10.3390/electronics13101845. DOI: https://doi.org/10.3390/electronics13101845
X. Tan, Z. Liu, L. Shi, y X. Huang, «Geospatial analysis of sports tourism resources in China’s urban clusters: a case study of the Sichuan-Chongqing region utilizing GIS and the geographic detector», Front. Sports Act. Living, vol. 6, p. 1496469, dic. 2024, doi: 10.3389/fspor.2024.1496469. DOI: https://doi.org/10.3389/fspor.2024.1496469
J. Yun y X. Youyuan, «Design of personalized leisure tourism route recommendation system based on deep learning», Proceedings of the 2020 2nd International Conference on Big Data and Artificial Intelligence, pp. 158-163, abr. 2020, doi: 10.1145/3436286.3436316. DOI: https://doi.org/10.1145/3436286.3436316
Derechos de autor 2026 Innovación y Software
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
Los autores ceden en exclusiva el derecho de publicación de su artículo a la Revista Innovación y Software, que podrá editar o modificar formalmente el texto aprobado para cumplir con las normas editoriales propias y con los estándares gramaticales universales, antes de su publicación; asimismo, nuestra revista podrá traducir los manuscritos aprobados a cuantos idiomas considere necesario y difundirlos en varios países, dándole siempre el reconocimiento público al autor o autores de la investigación.
